一口气学完《三体 I》,拍张照就能让AI开发应用,这是钉钉「/」的首份开箱评测(1)

简介: 一口气学完《三体 I》,拍张照就能让AI开发应用,这是钉钉「/」的首份开箱评测

科幻电影《银翼杀手》中有一个经典片段:男主角 Rick Deckard 为了追踪目标嫌疑人,需要在屏幕上放大一张照片。但是,他并没有使用鼠标,而是通过自然对话的形式向显示器下达了口头命令。



这个电影上映于 1982 年,距今已经 41 年。在这四十多年的时间里,通过语言控制设备已经逐步变成了现实。起初,机器能够听懂的语言只是简单的「打开电视」「放大声音」…… 如今,这一范围扩大到了各种复杂指令。人们的生活、生产方式都在被 AI 重塑。


过去,如果你想写一篇营销策划,你可能先要阅读冗长的产品材料,把自己手动提炼的要点编辑出来,然后整理成一篇策划案。但如今,这些工作都被一条「/」简化了。


这个「/」来自钉钉。在前段时间的发布会中,我们看到了关于它的现场演示,比如图文创作、摘要提取、应用开发、专属问答机器人…… 覆盖多个行业的多个工作场景,因此很多人也叫它「魔法棒」。

那么,这个「魔法棒」到底好不好用?在拿到钉钉斜杠「/」的邀请码后,机器之心进行了开箱评测。


此次评测的内容包括多个方面,比如文档编辑能力(文生文、文生图、文生表格)、聊天消息摘要、应用开发、问答机器人等。评测的目的在于验证钉钉斜杠"/"这根「魔法棒」的实际使用体验是否符合之前 demo 和现场演示给人的预期,是否真能提高生产环境工作效率。


文档编辑:文字、表格生成游刃有余,图像生成仍需努力


文档是大部分工作者每天都要打交道的内容,涉及文生文、文生图、文生表格等实用方向。


在这部分测评中,考虑到钉钉服务于产业的性质,我们以一个具体的行业场景切入,看看钉钉能不能在实际业务中帮上忙。


假设我们要开一家奶茶店,但起初,我们并不清楚具体的准备过程。于是,我们新建了一个文档。输入「/」,文档界面弹出「向智能助手提问」的魔法棒。



点击这个魔法棒,我们可以看到它的各种用法,包括头脑风暴、写营销策划、职位描述、竞品分析、产品说明、合同等等。



如果你不确定自己的问题属于哪一类,直接在输入框中提问也是可以的。


第一个问题是:开一家奶茶店要做哪些准备工作?单击回车,魔法棒一口气列出了九条准备事项:



不过,这些条目并不详细,于是我们要求魔法棒继续写。可以看出,在续写的内容中,魔法棒补充了很多细节。



对于开店准备阶段的 SWOT 分析、营销方案撰写,魔法棒也能毫不费力地应对。这些内容足以让开店小白对即将要做的事情有一个基本概念。




入门之后,我们尝试用「魔法棒」生成一些实施过程中可能用到的材料,比如表格、宣传画。


首先,我们尝试让「魔法棒」罗列一个设备采购表格。可以看出,它可以自动给出需要采购的设备种类以及需要记录的相关信息(型号、数量、单价、总价等)。如果在生成结束后选择「继续写」,这个表格还可以继续扩展,帮我们进一步打开思路。



接下来,我们尝试生成一张宣传画:



可以看到,在文生图功能中,魔法棒通常会生成四幅图像供我们选择。我们可以选择其中一幅,也可以全选。作为国内首个将文生图落地到应用上的生产力工具,钉钉魔法棒在测试中的表现确实带来了一些惊喜。





不过,在生成的图像中,我们也发现了一些问题,比如某些风格总是生成失败(如水墨画)、图像中包含一些没有意义的文字、无法定制自己想要的文字等等。这会给使用者带来一些麻烦。




所以,总体来看,在文档编辑这类场景中,文生文、文生表格相对来看比较成熟,在提升生产效率方面成效比较显著。但文生图功能尚不稳定,有种「抽卡」的感觉。不过,相比于 Midjouney 等效果更好的文生图 AI 模型,钉钉「魔法棒」的 prompt 可以更简单,结合工作中的高频场景,使用起来也更方便。


聊天摘要:消除了「爬楼痛苦」,但也偶有瑕疵


在工作中,我们可能经常遇到这种场景:一小时没打开工作软件,群里的未读消息就堆积到了「99+」。为了避免错过重要信息,我们往往要花一段时间「爬楼」,从大量消息中筛选有用的、和自己相关的信息。


但现在,我们只需要在聊天框中输入「/」,「魔法棒」就可以自动把上百条信息总结出来。



同样以开奶茶店为例。假设我们在群里聊了一些开店事宜,聊天结束后想把重要信息总结下来。



在最后一个人发言结束后,输入「/」,选择「智能摘要」,魔法棒开始自动整理。



几秒钟后,「魔法棒」给出生成结果:



可以看出,「魔法棒」基本把三个人聊天的要点摘了出来,而且把最后的任务划分整理得非常清楚。


不过,在整理另外两轮的对话时我们也发现了一些问题,比如摘要过于笼统且无法以对话的形式进行修改、内容与发言人不匹配等。



比如在下面这个闲聊的例子中,「并称其为编辑部厨艺第二好的同学」主语应该是二狗。



此外,目前的「智能摘要」功能仅支持 1000 字以内的对话,如果讨论内容比较长,信息会有所损失。不过我们咨询钉钉同学后了解到,还好它选取消息范围的设定是「自后往前」,这也是为了防止实际使用中,由于前列消息占了大头,导致多次生成的效果会重复。这应该是一种工程化上的设计。


所以,总体来看,钉钉「魔法棒」的聊天消息摘要功能无论在闲聊还是工作相关的群聊中都能发挥一定作用,帮群聊成员省去总结、「爬楼」的时间。当然,该功能目前生成的内容也偶有瑕疵。



相关文章
|
1月前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
402 29
|
1月前
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
311 1
|
1月前
|
消息中间件 人工智能 安全
构建企业级 AI 应用:为什么我们需要 AI 中间件?
阿里云发布AI中间件,涵盖AgentScope-Java、AI MQ、Higress、Nacos及可观测体系,全面开源核心技术,助力企业构建分布式多Agent架构,推动AI原生应用规模化落地。
230 0
构建企业级 AI 应用:为什么我们需要 AI 中间件?
|
1月前
|
人工智能 算法 Java
Java与AI驱动区块链:构建智能合约与去中心化AI应用
区块链技术和人工智能的融合正在开创去中心化智能应用的新纪元。本文深入探讨如何使用Java构建AI驱动的区块链应用,涵盖智能合约开发、去中心化AI模型训练与推理、数据隐私保护以及通证经济激励等核心主题。我们将完整展示从区块链基础集成、智能合约编写、AI模型上链到去中心化应用(DApp)开发的全流程,为构建下一代可信、透明的智能去中心化系统提供完整技术方案。
234 3
|
1月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。
|
1月前
|
人工智能 缓存 运维
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
本文介绍联调造数场景下的AI应用演进:从单Agent模式到多Agent协同的架构升级。针对复杂指令执行不准、响应慢等问题,通过意图识别、工具引擎、推理执行等多Agent分工协作,结合工程化手段提升准确性与效率,并分享了关键设计思路与实践心得。
406 20
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
|
1月前
|
人工智能 安全 Serverless
再看 AI 网关:助力 AI 应用创新的关键基础设施
AI 网关作为云产品推出已有半年的时间,这半年的时间里,AI 网关从内核到外在都进行了大量的进化,本文将从 AI 网关的诞生、AI 网关的产品能力、AI 网关的开放生态,以及新推出的 Serverless 版,对其进行一个全面的介绍,期望对正在进行 AI 应用落地的朋友,在 AI 基础设施选型方面提供一些参考。
571 44
|
1月前
|
人工智能 安全 中间件
构建企业级 AI 应用:为什么我们需要 AI 中间件?
阿里云发布AI中间件,推出AgentScope-Java、AI MQ、Higress网关、Nacos注册中心及可观测体系,全面开源核心技术,构建分布式多Agent架构基座,助力企业级AI应用规模化落地,推动AI原生应用进入新范式。
439 26
|
1月前
|
人工智能 安全 数据可视化
Dify让你拖拽式搭建企业级AI应用
Dify是开源大模型应用开发平台,融合BaaS与LLMOps理念,通过可视化工作流、低代码编排和企业级监控,支持多模型接入与RAG知识库,助力企业快速构建安全可控的AI应用,实现从原型到生产的高效落地。
Dify让你拖拽式搭建企业级AI应用
|
1月前
|
自然语言处理 数据挖掘 关系型数据库
ADB AI指标分析在广告营销场景的方案及应用
ADB Analytic Agent助力广告营销智能化,融合异动与归因分析,支持自然语言输入、多源数据对接及场景模板化,实现从数据获取到洞察报告的自动化生成,提升分析效率与精度,推动数据驱动决策。